用Agent驱动长尾交通仿真，评测自动驾驶闭环规划

在闭环环境中评估自动驾驶系统需要现实且交互式的模拟，但现有的模拟器很大程度上依赖于日志重播或基于规则的代理，限制了行为多样性和长尾覆盖。我们提出了一种代理驱动的模拟框架，其中周围的道路参与者由遵循 大语言模型 的指令通过结构化动作接口控制，从而实现有意和反应行为，同时保持物理合理性。此外，我们还引入了 SemanticPlan，这是长尾和语义丰富场景中闭环规划的基准，它通过遵循不同语言指令的多个交互式代理来增强真实的 nuPlan 场景。评估结果显示，最先进的规划者仍然难以持续安全有效地完成任务，这表明这些长尾场景仍然具有挑战性。